护林员

ranger:用C++和R语言快速实现高维数据的随机森林。我们介绍了C++应用程序和R包ranger。该软件是高维数据随机森林的快速实现。支持分类树、回归树和生存树的集合。并与其他实现进行了比较,给出了一个实现与其他实现的比较。新的软件被证明是最好的规模与数量的特征,样本,树,和特征尝试分裂。最后,我们证明了ranger是在全基因组关联研究规模上分析数据的最快和最有效的随机森林实现。


zbMATH参考文献(参考 21篇文章 参考)

显示第21到第1个结果。
按年份排序(引用)
  1. Richard A.伯克:回归视角下的统计学习(2020)
  2. Boehmke,Brad;Greenwell,Brandon M.:使用R进行实际操作的机器学习(2020)
  3. Bommert,Andrea;Sun,Xudong;Bischl,Bernd;Rahnenführer,Jörg;Lang,Michel:高维分类数据中特征选择的过滤方法基准(2020年)
  4. Genuer,Robin;Poggi,Jean-Michel:Random forests with R(2020年)
  5. 霍农,罗曼:有序森林(2020)
  6. Sage,Andrew J.;Genschel,Ulrike;Nettleton,Dan:随机森林等级概率估计的树聚合(2020年)
  7. Sayan Putatunda,Dayananda Ubrangala,Kiran Rama,Ravi Kondapalli:DriveML:无人驾驶机器学习的R包(2020)阿尔十四
  8. Schmid,Matthias;Welchowski,Thomas;Wright,Marvin N.;Berger,Moritz:具有Hellinger距离决策树的离散时间生存森林(2020)
  9. Tomita,Tyler M.;Browne,James;Shen,Cencheng;Chung,Jaewon;Patsolic,Jesse L.;Falk,Benjamin;Priebe,Carey E.;Yim,Jason;Burns,Randal;Maggioni,Mauro;Vogelstein,Joshua T.:稀疏投影斜随机化森林(2020)
  10. Susan Athy;Julie Tibshirani;Wager,Stefan:广义随机森林(2019)
  11. 维托塞尔奎拉;卢伊斯托戈;法比奥平托;卡洛斯索雷斯:预测专家套利(2019年)
  12. 阿尔伯托弗兰津;托马斯圣哲勒:重温模拟退火:基于成分的分析(2019)
  13. Lyubchich,Vyacheslav;Woodland,Ryan J.:使用同位素组成和其他节点属性预测鱼类营养网络的边缘(2019年)
  14. Sellereite,Nikolai;Jullum,Martin:shapr:R-package,用于解释具有依赖意识的Shapley值的机器学习模型(2019年)不是zbMATH
  15. Simon Hediger,Loris Michel,Jeffrey Näf:关于使用随机森林进行两个样本测试(2019年)阿尔十四
  16. Alicja Gosiewska;Przemyslaw Biecek:auditor:模型不可知视觉验证和诊断的R包(2018)阿尔十四
  17. Janitza,Silke;Celik,Ender;Boulesteix,Anne Laure:高维数据随机森林的计算快速可变重要性测试(2018)
  18. Philipp Probst;Boulesteix,Anne Laure:调整或不调整随机森林中的树木数量(2018)
  19. Bommert,Andrea;Rahnenführer,Jörg;Lang,Michel:为高维数据寻找具有稳定特征选择的预测和稀疏模型的多准则方法(2017)
  20. Krautenbacher,Norbert;Theis,Fabian J.;Fuchs,Christiane:校正两阶段病例对照研究中样本选择偏差的分类器(2017年)